G³VLA 向VLA模型注入多相机几何提升机器人操作

G³VLA 是一项在视觉-语言-动作（VLA）模型上改进机器人操作的方法。据 AGI Hunt 2026 年 10 月 15 日报道，该方法通过射线嵌入（ray embeddings）与跨视角融合，把经过标定的多相机几何信息注入 VLA 模型，并在不改变原有动作空间的前提下提升机器人操作。训练采用两阶段方案：第一阶段用几何教师蒸馏做预训练，训练一个带辅助点图（pointmap）头的相机感知几何模块；第二阶段在结合动作损失与蒸馏损失的情况下，对整个策略进行微调。报道称该方案可改善机器人操作表现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。